風呂の中で冷静になって考えてみた

ランダム指し相手で勝つまでの平均手数が減らないのは、単手数で勝つ事を目標にしていない（手数とは無関係に報酬を与えている）ので、当然の結果かもしれません。

ただ、そうであっても序盤〜中盤の指し手が変なので、もうちょっと調べてみます。